基于级联过滤的多模型融合的推荐方法

摘要

针对当前主流推荐算法无法甄别离群样本和弱贡献率样本,且单模型算法泛化能力较弱等问题,提出一种基于级联过滤的多模型融合的推荐方法.该方法先采用级联回归模型过滤掉离群样本和弱贡献率样本;然后,把推荐问题抽象成二分类问题和回归问题,分别采用基于Bagging的随机森林和基于Boosting的梯度提升回归树两种树型算法、线性的逻辑回归算法来拟合用户兴趣;最后,将这三种算法分别训练若干模型进行线性融合,取Top-N推荐.实验表明,该方法不仅有效提高了推荐精度,还增强了模型的泛化能力,具有较强的实用价值.